下载文档原格式
基于大数据技术的房价数据采集及可视化分析应用作者：石慧陈培辉来源：《计算机时代》2021年第08期摘要：在“房住不炒”定位下，住房選购成了广大市民比较关心的问题。
把大数据分析技术引入到房价分析，利用Scrapy爬虫框架对广州房价线上数据的爬取，经清洗和可视化，把影响房价的要素以可视化的形式予以呈现。
与传统方法相比，大数据分析技术在数据采集及可视化分析应用方面优势明显。
关键词：大数据分析; 可视化; 爬虫框架; 房价数据中图分类号：TP399 文献标识码：A 文章编号：1006-8228（2021）08-71-05Housing price data collection and visualized analysis with big data technologyShi Hui， Chen Peihui（Department of Information Engineering， Shanwei Vocational and Technical College，Shanwei， Guangdong 516600， China）Abstract： Under the positioning of "housing without speculation"， the purchase of housing has become a concern of the general public. This article introduces the big data analysis technology into the housing price analysis， and the online data of Guangzhou housing price is crawled by using the Scrapy crawler framework. After cleaning and visualization of online data， the factors affecting housing price are presented in the form of visualization. Compared with traditional methods， big data analysis technology has obvious advantages in applications of data collection and visualized analysis.Key words： big data analysis; visualization; crawler framework; housing price data0 引言网络数据采集是通过网络爬虫[1]等技术从互联网采集数据的过程。
基于房价潜力模型与中心性模型的居住区单元的饱和度分析——以广州市南沙中心城区为例林剑铬;梁置铭;高川秀;倪雪敏;温秋霞;李官莲【摘要】选取南沙中心城区部分楼盘为居住区单元,建立房价潜力模型,衡量其购买与开发潜力,再建立中心性模型,分析各单元交通的通达性与基础设施的可达性,将潜力与中心性的水平差距定为饱和度,以反映各单元发展的饱和情况,按饱和度划分单元类型并探究不同类型的空间分布,联系现实并验证模型的正确性.【期刊名称】《城市住宅》【年(卷),期】2018(025)002【总页数】7页(P82-88)【关键词】房价潜力;中心性;居住区单元;饱和度【作者】林剑铬;梁置铭;高川秀;倪雪敏;温秋霞;李官莲【作者单位】华南师范大学地理科学学院;华南师范大学地理科学学院;华南师范大学地理科学学院;华南师范大学地理科学学院;华南师范大学地理科学学院;华南师范大学地理科学学院【正文语种】中文1 研究概况1.1 地区背景广州市南沙区于2012年和2014年先后获国务院批准为国家新区和自贸试验区，形成了“双区”叠加的发展优势，南沙开发建设上升为国家战略。
当前，广州市郊区城市化发展到一定阶段，南沙中心城区的内部空间结构正处于快速变化期，同时房地产市场日益火爆，居住区呈现分散化发展趋势。
1.2 研究目的国内外对城市住宅发展相关理论与方法进行了较多探索与研究，大多围绕住宅供需角度进行，也有研究者在城市现有住宅发展水平基础上构建了城市住宅潜力指标体系。
基于此，本研究针对南沙中心城区，以住宅潜力模型和现有发展水平模型为基础，将潜力与现有发展水平之间的差值作为研究核心。
研究目的在于：通过建立数学模型对南沙中心城区楼盘进行统计与空间分析，得出居住区单元发展的饱和情况，划分类型并探究不同类型空间的分布特征，联系实际验证模型的正确性并推而广之，尝试针对房地产购买与开发提出前瞻性建议。
2 研究对象本文选取的研究对象为南沙中心城区近年来开盘且在售的51个楼盘，位置如图1所示。
居住区绿地率分区研究——以广州市番禺区为例袁媛韩焱张志君柳意云【摘要】现行控规编制中居住区绿地率指标较为单一，未能综合考虑地块的人口、经济等条件，未能更好地体现居住区的生态要求。
本文以广州市番禺区为例，从生态效益、经济效益的双向角度，探讨居住区绿地率分区的确定方法：①遵循碳氧平衡原则，建立基于生态效益的随容积率变化的绿地率模型，并确定相应的绿地率分区。
②利用GIS平台，借鉴密度分区方法，构建基于经济效益的绿地率指标模型，确定相应的绿地率分级体系。
整合优化基于生态效益与经济效益两个维度的模型，最终形成绿地率分区与指标区间。
【关键词】开发控制；居住区；绿地率；番禺区1.引言随着城市蔓延的加剧，城市居住密度与开发强度的提高，绿地率对居住满意度的影响性最大[1]，但我国居住区多采用“一刀切”的绿地率控制模式，且指标的确定缺乏技术依据，导致规划的权威性和科学性受到质疑和非议。
国外居住区绿地研究以生态住区建设和人居环境优化为主，立足现状保护和利用，结合当地地形、地物和环境，形成特色的规划布局[2]。
生态住区的环境生态研究立足于可持续发展理论创造居住区绿地系统[3]，关注居住区规划中出现的各类能源、环境及社会问题，探索不同层面改进居住环境方式[4-5]。
而从绿化、绿地指标控制等方面的研究较少[6]。
国内对于居住区绿地的研究集中于碳氧平衡分析、居民感知分析以及规划决策三个方面。
碳氧平衡分析体现为根据绿地的特性及固碳释氧能力，探讨居住区生态效益评价体系以及绿地定额问题[7-8]。
居民感知分析方面，实证分析居民满意度与居民环境态度影响下的居住区绿地的合理规模[1]。
规划决策方面，基于区域、城市（分区）、单元（场地）三个尺度进行绿地空间分析，建立一套与城市规划决策相对应的绿地扩图1 技术路线图图2 现行居住区绿地率指标确定体系(自绘)图3番禺区居住区规划绿地率数值及频数(自绘)图4 番禺区居住区规划绿地率分布图(自绘)图5 居住区规划绿地率与容积率关系图(自绘)展分析指标体系[9]。
2023年5月第26卷第10期中国管理信息化China Management InformationizationMay,2023Vol.26,No.10势［6］。
第三，创新数字化的新型业务模式。
中小企业可借助自身数字化转型更为灵活的体量优势，进一步优化商业模式，突显经营模式的灵活性和创新性。
中小企业应厘清其产品或服务的优缺点，拓展优势，摒弃劣势，灵活地把增长性高的产品或服务作为支点，创新专项产品服务价值的溢价，改善产业链供应链的流通模式。
通过“专精特新”的发展之路，力争成为细分行业内的头部供应商。
此外，中小企业仍需加强与大型企业的深度合作，以提升企业的学习能力和持续发展动力。
5 结束语当前，国内外复杂形势严重影响了中小企业的生产经营及健康发展。
为确保中小企业复工复产及健康持续发展，江苏省结合中小企业的特点出台了“苏政40条”等多项相关政策，实行了财税扶持、金融支持、降费减负、援企稳岗等“全方位”的帮扶措施，取得了积极显著的效果。
在举措实施过程中，中小企业应把握好相关政策的引导及扶持，深耕技术创新，借助“智改数转”的契机，通过“专精特新”之路打造自身核心竞争力，实现企业的健康持续发展。
主要参考文献［1］沈玉青.江苏:“链”上发力加快中小企业高质量发展［N］.江苏经济报,2022-09-13(A1).［2］武止戈,刘雨涓,周婧依,等.疫情背景下我国中小微企业金融纾困研究：基于文献综述的视角［J］.现代商贸工业,2022(12):1-4.［3］周东洋.纾困和培优两手抓 推动中小企业平稳健康发展［N］.中国贸易报,2022-01-27(1).［4］江苏省人民政府印发关于进一步帮助市场主体纾困解难着力稳定经济增长若干政策措施的通知［J］.江苏省人民政府公报,2022(5):5-13.［5］何雅琴,张飞.江苏省中小企业健康发展路径探析［J］.内江科技,2020(9):124-125.［6］吕晓,吴有露,张云柳,等.复杂动态环境下中小微企业数字化转型评价指标体系构建及分析［J］.辽宁工业大学学报(社会科学版),2021(6):33-39.数字治理视角下“互联网+政务服务”优化路径分析——以广东省广州市“一窗式”改革为例王芷彤（中南财经政法大学，武汉430073）［摘 要］政府治理向数字化治理转型是推进国家治理能力现代化的必然要求，而“互联网+政务服务”作为促进政府治理转型的重要抓手，对于更好地将政府治理工具与互联网技术进行有机融合，从而推动数字政府建设具有重要意义。
第20卷 第12期 中 国 水 运 Vol.20 No.12 2020年 12月 China Water Transport December 2020收稿日期：2020-10-25作者简介：李湾湾（1995-），女，昆明理工大学国土资源工程学院，在读研究生，研究方向为大数据分析及应用。
通讯作者：董 燕（1974-），女，昆明理工大学国土资源工程学院，副教授，主要研究方向为GIS 开发与应用。
基于POI 数据商业空间分布与集聚特征分析——以武汉市为例李湾湾，董 燕，王 迪（昆明理工大学 国土资源工程学院，云南 昆明 650093）摘 要：城市商圈发展是判断一个城市商业水平的重要方面，研究城市商业网点的分布与聚集情况，有助于了解城市商业发展趋势与走向。
以武汉市主城区商业兴趣点与道路网为基准，采用核密度估计、空间自相关及热点分析法，对武汉市主城区商业网点空间分布情况进行分析。
结果表明：武汉市主城区商业空间分布形成了以多个聚集点为核心的“一轴多核”的分布模式，呈现出多核心多板块分散发展的商业规模；热点聚集区域与各商圈地域分布相吻合，并对周围附近区域影响显著，呈现出“高聚集，高影响”的集聚特征；不同类型商业网点分布具有空间差异性，购物服务形成“多密度，大聚集”的分布模式；餐饮服务、运动健身与教育培训呈现出“多密度，小聚集”的分布特征；住宿服务、休闲娱乐与生活服务表现为“少密度，小聚集”的分布特点。
关键词：POI 数据；商业网点；空间分布；集聚特征；武汉市中图分类号：P285.2 文献标识码：A 文章编号：1006-7973（2020）12-0141-03一、引言城市商圈是带动城市经济增长、调整城市经济结构以及塑造城市内部空间格局的主要因素。
商业网点分布的合理性对城市经济发展、优化资源配置、满足人们消费需求尤为重要[1]，因此为了能够更好的发挥城市商业服务功能研究城市商业网点的空间分布与聚集特征有一定的必要性。
居住区容积率分析【摘要】居住区容积率作为基本的定性定量控制指标之一，在城市规划管理中发挥着重要作用，直接影响着城市面貌、城市环境以及城市交通，与城市公共利益密不可分。
本文以广州市花都区住宅项目为例，针对居住区的容积率，对其相关因素进行系统科学的研究，分析、比较、总结得出满足城市风貌要求和适宜人居的容积率指标，为规划管理与规划编制提供一定的经验借鉴。
【关键词】城市规划居住区容积率中图分类号：f291.1 文献标识码：a 文章编号：自20世纪80年代我国初步形成控规的编制体系以来，容积率便作为控制性详细规划中基本的定性定量控制指标之一，在城市规划管理中发挥着重要作用。
由于直接决定开发强度，容积率与开发商利益密切相关；同时，容积率大小也将影响城市的面貌、城市环境以及城市交通，与城市公共利益密不可分。
于是容积率往往成为规划管理部门与房地产开发部门之间矛盾的焦点，合理确定各地块容积率是控制性详细规划编制中最重要的任务之一。
1花都区居住用地概况2010年，花都规划建成区内居住用地（含村生活用地）44.88km2，占全区现状城镇建设用地35.59％，其中一、二、三类居住用地26.16km2，占现状居住用地的58.2％，村庄生活用地18.72km2，占现状居住用地的41.8％。
人均居住用地60.82m2，远远大于国家标准，原因在于花都现状人均用地指标偏高，而且面对的不仅仅是花都本地市场，不少高档住宅为广州以及珠三角等地居民购买。
花都区现状居住主要存在三个问题：(1)人均居住用地指标过高一方面是由于花都目前大量的房地产开发项目的购房者为非花都本地人口，他们购买了花都的房子，但并落户花都或不经常居住在花都，造成人地分离的情况，导致居住用地总量大，但常住人口较少的情况；另一方面，目前花都村庄生活用地建设用地规模较大，人均130-156m2/人，出现大量的一户多宅以及空心村现象。
(2)居住用地布局分散除了中心城区外，外围居住区主要分布在山前旅游大道沿线。
地理研究GEOGRAPHICAL RESEARCH 第35卷第4期2016年4月V ol.35,No.4April,2016基于互联网房产数据的住宅容积率多尺度时空特征——以广州市为例李少英1，吴志峰1，李碧莹2，刘轶伦3,4，陈晓越1（1.广州大学地理科学学院，广州510006；2.合富辉煌房地产顾问有限公司，广州510000；3.华南农业大学资源环境学院，广州510642；4.国土资源部建设用地再开发重点实验室，广州510642）摘要：基于网络爬虫技术获取房产时空数据，结合时间序列和空间自相关分析方法，在“小区—街道—区级”多尺度上探索广州市住宅容积率时空模式与演化规律。
结果表明：①近三十年广州市居住空间呈现中心城区集聚开发—向南、北方向近郊区拓展—往南、北、东方向远郊区外扩的演变过程，容积率呈现波动式增长态势。
②随着房地产的快速发展，住宅容积率逐渐呈现显著的空间自相关特征，体现了住宅开发与规划有序性的提高。
③区级尺度上容积率呈现较强的自相关性，越秀区与天河区为HH 集聚区，从化区为LL 集聚区。
街道尺度上容积率呈现出显著的空间不均衡性，区位交通条件较好的街道成为容积率HH 集聚区，而LL 集聚区主要分布于生态旅游重镇。
关键词：互联网房产数据；容积率；时空特征；多尺度；广州市DOI:10.11821/dlyj2016040141引言改革开放以来，伴随着中国的经济发展与城市化进程，人口不断向大城市集聚，住宅需求量随之提高，有限的土地供给与持续增长的住宅需求之间的矛盾逐渐显现[1-2]。
提高城市用地容积率、促进住宅用地垂直空间利用成为解决该矛盾的必然选择[3]。
容积率是反映土地开发强度与土地利用效益高低的一项重要指标，已被广泛应用于国内外城市的土地利用规划控制中[4]。
住宅容积率越高，则其开发强度越大，土地利用率也越高。
但过高的容积率会影响城市景观和居住环境质量[5]。
因此，合理确定容积率控制指标已成为当前城市规划研究的难点问题。
目前关于容积率的研究主要集中于：①基于高分辨率遥感影像的建筑容积率估算方法[6-9]；②规划容积率的确定方法，例如经济约束条件下的容积率[10,11]、环境约束条件下的容积率[12]等方法研究；③容积率与经济之间的关系，例如崔寒清以全国九个大型城市为实证对象，对城市用地容积率与城市GDP 之间的关系进行研究，揭示了城市用地容积率与GDP 之间呈现明显的正相关关系[13]；冷炳荣等以兰州市为例，对转型时期中国土地收稿日期：2015-11-17;修订日期：2016-02-23基金项目：国家自然科学基金项目（41401432）；广东省教育厅青年创新人才项目（2014KQNCX107，2014KTSCX090）；广州市科技和信息化局国际科技交流与合作专项资助项目（2012J5100044）；广东省高等学校国际暨港澳台科技合作创新平台项目（2014KGJHZ009）；深圳市数字城市工程研究中心开放课题（KF-2015-01-035）作者简介：李少英（1987-），女，广东汕头人，博士，讲师，研究方向为GIS 与城市研究。
E-mail:lsy_0130@ 通讯作者：吴志峰（1969-），男，湖南湘潭人，博士，教授，博士生导师，研究方向为城市遥感与城市化复杂地表过程。
E-mail:gzuwzf@770-780页网络出版时间：2016-04-20 13:33:05网络出版地址：/kcms/detail/11.1848.P.20160420.1333.028.html4期李少英等：基于互联网房产数据的住宅容积率多尺度时空特征容积率与地价的关系进行实证研究[1]。
已有研究较少利用实际数据对住宅容积率的空间格局与分布模式进行研究。
李雪铭等利用2010年大连市地籍调查数据，通过泰尔指数模型对其住宅容积率的空间差异进行实证研究，为城市住宅空间规划提供重要的参考[5]。
但该研究是基于单个年份数据进行研究，在容积率时间尺度变化分析方面较为局限。
另外，该研究主要对城市片区内部以及片区之间容积率的差异进行分析，缺乏从更微观的视角对不同地域单元容积率的空间差异性进行探测。
住宅容积率往往是政府规划、开发商和公众之间博弈的结果，受涉及时空特征的多因素影响，如经济、自然、政策、区位等[3]。
因此，从时间和空间维度研究住宅容积率特征，对于研究容积率的复杂影响因素与机理、引导城市合理规划具有重要的意义。
通过时间维度上容积率整体变化趋势研究，能够揭示城市不同发展阶段容积率的变化规律，并探讨具有阶段性特征的宏观影响因素。
在空间维度上对不同地域单元容积率的空间依赖性和异质性进行研究，对于剖析具有空间特征的微观影响因素、评价城市规划实施有效性具有重要的意义。
基于此，本文尝试利用互联网房产时空大数据，结合时间序列分析与空间自相关模型，在多尺度上对城市住宅容积率的时空分异特征研究，以探讨其时空差异的机理与影响因素。
空间自相关分析是研究地理对象空间差异与空间依赖性的重要方法[14,15]，已被广泛应用于城镇群空间结构研究[16]、土地利用变化空间自相关研究[17,18]、经济空间格局演化分析[19,20]、住宅价格空间分异[21]、粮食占有量时空格局[22]等研究中。
本文将空间自相关分析方法引入住宅容积率空间格局与分异特征研究中，在“小区—街道—区级”多尺度上探测容积率差异的空间依赖性与异质性。
以广州市为研究案例，基于网络爬虫技术获取的住宅小区数据，对住宅容积率的时空特征与分异规律进行探索性分析，以揭示广州市居住容积率差异的时空演变特征，剖析影响容积率时空规律的复杂因素，为城市规划与建设提供参考。
2数据来源与研究方法2.1数据来源与处理基于Scrapy 网络爬虫平台，通过py-thon 语言编程，开发了房地产网络数据抓取程序，快速获取了搜房网的广州市住宅小区数据，包括经纬网坐标、竣工年份、容积率等相关属性信息。
由于别墅住宅的平均容积率远小于非别墅住宅，本次研究只对非别墅类住宅进行研究。
获取的广州市住宅小区数量1868个，去除属性数据缺失的小区及别墅类小区，剩下有效数据共1684个。
利用ArcGIS 10.0对抓取的文本数据进行空间化处理，得到广州市住宅小区空间分布数据（图1）。
图1广州市住宅小区空间分布图Fig.1The spatial distribution of residential quarters in Guangzhou771地理研究35卷本文的研究空间尺度包括住宅小区尺度、街道（镇级）尺度和区级（县级）尺度。
小区尺度研究以各住宅小区（点）的容积率为研究对象；而街道尺度和区级尺度研究分别以街道行政区（面）和区级行政区为研究单元，以2014年最新行政区划为基准统计各单元的平均容积率。
其中，区级行政单元共11个，包括天河区、越秀区、荔湾区、海珠区、黄埔区、白云区、番禺区、南沙区、增城区、从化区、花都区；街道行政区共166个单元。
2.2研究方法2.2.1空间权重矩阵为了揭示地理对象之间的空间联系，首先需要定义空间对象的相互邻接关系。
空间自相关分析的关键步骤之一是构建n×n 归一化空间权重矩阵W ，以表示n 个对象的区位或者所属区域的邻近关系，其基本形式为：W =éëêêêùûúúúw 11w 12…w 1n w 21w 22…w n …………w n 1w n 2…w nn （1）式中：w ij 表示区域i 与j 的邻接程度。
常用的空间权重矩阵构建方法主要有以下三种：（1）邻接权重矩阵。
当区域i 与j 相邻接时，w ij 设为1，否则为0。
邻接权重矩阵又分为Queen 邻接和Rook 邻接两种规则。
Queen 规则认为两区域具有公共边界或公共顶点时确定为邻接关系；Rook 规则认为只有当两区域具有公共边界时才确定为邻接关系。
（2）距离权重矩阵。
当区域i 与j 的距离小于d 时，w ij 设为1，否则为0。
其中，d 为设置的距离阈值。
（3）K -nearest 权重矩阵。
K -nearest 矩阵保证每个观测对象都有K 个邻居，当区域j 属于区域i 的最近K 个邻居之一时，w ij 设为1，否则为0。
2.2.2全局空间自相关全局空间自相关用于探测整个研究区域空间自相关程度，常用的测度指标为Moran's I 指数，计算公式如下[20]：I =∑i =1n ∑j ≠in w ij (()x i -x ˉ()x j-x ˉ)S 2∑i =1n ∑j ≠i n w ij （2）式中：I 为Moran's I 指数；x i 和x j 分别为区域i 和j 的观测值；x ˉ为观测值的平均值；s 为观测值的方差；w ij 为空间权重矩阵。
Moran's I 指数反映空间邻接或邻近区域单元属性值的相似程度，取值范围在[-1，1]之间，I 小于0表示负相关，等于0表示不相关；大于0表示正相关。
Geoda 软件采用蒙特卡洛随机模拟方法对Moran's I 指数进行显著性检验，获得判断显著性的参数P 值[23]。
P 值大小反映了观测数据为空间随机分布的可能性。
2.2.3局部空间自相关Moran's I 指数是对空间自相关的全局评估，存在忽略了空间过程潜在不稳定性问题。
而局部空间自相关可以反映每一局部单元与邻近单元的相关程度，用于识别局部空间位置的高值集聚和低值集聚。
常用LISA （Local Index of Spatial Auto-correlation ）指标进行测度，计算公式如下[20]：I i =(x i -x ˉ)2S 2∑j w ij (x j -x ˉ)（3）7724期李少英等：基于互联网房产数据的住宅容积率多尺度时空特征式中：I i 为LISA 指标。
若I i 显著为正，则表示区域单元周围相似值的空间集聚；若I i 显著为负，则表示该区域单元周围非相似值的空间集聚。
3结果分析3.1住宅容积率时间序列变化特征通过住宅小区竣工数量时间序列分析广州市住宅房产开发总体变化趋势。
图2a 显示，1994年以前广州市房地产开发量较少，而1994年以后房地开发量总体呈现增长的趋势，随着国家住房分配制度的取消与按揭政策的实施，房地产市场得到快速发展。
但在2001年和2009年出现了明显的低谷。
2001年住宅竣工数量比2000年减少了50%左右，主要为20世纪90年代末房地产泡沫破灭后对房地产的负面影响的体现；而受2008年金融危机的影响，2009年住宅小区竣工数量显著下降。
从住宅平均容积率曲线看，20世纪90年代以来呈波动式线性增长趋势（图2a ）。
